三年狂赚100亿美元，拆解Anthropic背后最牛VC的AI投资逻辑 - 奥马哈底牌组合

在Anthropic的招股书中，存在一处引人关注的细节。

这份长达数百页的文件里，一家名为Spark Capital的投资机构被反复提及，次数超过50次。

这一提及频率甚至高于许多向Anthropic注资数十亿美元的科技巨头。

原因在于，Spark Capital是Anthropic最早期的机构投资者之一，其合伙人至今仍是该公司董事会中唯一来自传统风投机构的代表。

许多人或许并不知晓，Anthropic创立之初，几乎没有风投愿意为其投资。直至C轮融资前，该公司很大程度上只能依赖科技圈的人脉关系来筹措资金。

尤其是在ChatGPT横空出世之后，投资人的犹豫情绪更为明显：OpenAI已抢占先机，且有微软作为后盾，Anthropic凭什么能够胜出？

然而，Spark却毅然决然地选择了下注。

从C轮开始，Spark参与了Anthropic的每一轮融资，累计投入7.77亿美元。按1.5万亿美元的估值计算，短短三年内便赚取了高达100亿美元的收益。

为何偏偏是Spark，敢于在OpenAI如日中天之时，押注其竞争对手？

梳理这家公司过去十几年的投资记录，以及几位核心合伙人的公开访谈，可以发现，这笔投资远非仅凭运气那么简单。

Spark很早就洞察到，人工智能不仅正在重塑科技行业的竞争格局，也在改变风险投资自身的游戏规则：

传统投资逻辑中那些相对静态的竞争优势，在AI时代正变得越来越不可靠。相较于一时技术领先，技术判断力及应对变化的能力显得更为关键。

一笔改变命运的7500万美元投资

谈及Spark Capital，便不得不提其合伙人Yasmin Razavi。

这位在伊朗德黑兰长大的女性，于2006年前往加拿大探望留学的哥哥时，临时决定留在当地。随后，她考入多伦多大学，进入麦肯锡工作，并就读于哈佛商学院。2017年加入Spark，2020年晋升为合伙人。

而她职业生涯中最成功的一笔投资，正是Anthropic。

别看Anthropic如今风光无限，初创之时，几乎没有风投愿意为其注资。

2021年，Anthropic既无产品，也无收入，却开口便要融资5亿美元。

当时，科学家出身的Anjneyn Midha曾协助Anthropic寻找投资人，他一口气会见了22家风投机构，其中21家当场拒绝，剩余一家最终也未谈成。

甚至有投资人反问：GPT-3是什么？

无奈之下，Anthropic只能转向那些已实现财富自由的科技圈大佬。

2021年5月，Anthropic完成1.24亿美元A轮融资，领投方为Skype联合创始人Jaan Tallinn，其他投资者包括Facebook联合创始人Dustin Moskovitz等人。

2022年4月，又完成5.8亿美元B轮融资，其中最大的金主之一是后来因FTX破产而声名狼藉的Sam Bankman-Fried。

真正的转折发生在2023年。

ChatGPT横空出世，微软亦向OpenAI投入巨额资金。大模型的商业前景终于得到验证，但新的问题也随之而来：

既然OpenAI已抢占先机，且有微软撑腰，为何还要投资Anthropic？

大多数风投仍选择观望。但Yasmin Razavi却不以为然。

今年5月，她在接受《福布斯》采访时回忆道，为了推动这笔投资，她专门撰写了两份详细的投资备忘录，以说服Spark的其他合伙人。

她的逻辑主要包含三点：

第一，大模型可能代表一次真正的技术范式革命。

她借用科学哲学家托马斯·库恩的范式转换理论，认为过去十年深度学习、无监督学习和Transformer的发展，已为LLM带来新的技术范式创造了条件。

第二，AI的应用范围将远超普通软件工具。

Razavi列举了法律、医疗、会计、软件开发、采矿、农业等领域，认为AI正在重新定义人类与计算机共同工作的方式。

第三，安全不仅是技术伦理，也是开发可靠AI产品的基础。

她特别提到Anthropic团队在Scaling Laws、RLHF以及Constitutional AI方面的研究积累，认为这支团队既具备顶尖模型能力，也拥有对安全和对齐问题的长期投入。

更重要的是，她并不认为大模型行业已被OpenAI彻底占据。相反，随着AI成为新的技术范式，拥有原创研究能力、能够持续迭代模型的公司，仍有机会成为下一代科技巨头。

2023年5月，Spark领投Anthropic的4.5亿美元C轮融资，自身投入7500万美元。这是Spark历史上最大的一张支票，相当于其14亿美元成长基金规模的5%以上。

事实证明，这笔投资仅仅是开始。

招股书显示，此后Spark又连续参与Anthropic五轮融资，累计投入达7.77亿美元。按1.5万亿美元估值测算，Spark所持股份账面价值可能超过百亿美元，累计投资回报约14倍。

其中，最初7500万美元投资对应的股份，潜在回报甚至可能达到80倍。

但Spark获得的远不止财务回报。Razavi自2023年3月起担任Anthropic董事，甚至早于C轮融资正式官宣。

进入董事会后，Razavi开始协助公司识别哪些具体应用能创造最大商业价值。

Anthropic联合创始人Daniela Amodei曾向《福布斯》透露，在Claude Code成熟之前，Razavi便反复建议公司，将AI编程作为独立的重要市场。

后续的故事众所周知，Claude Code成为Anthropic增长最快的产品之一。

Spark只看好两类AI应用公司

若仅关注Anthropic，很容易将Spark的成功视为一次偶然投资。但将时间线拉长，便会发现，这家公司对AI的布局其实相当系统。

从公开投资组合来看，Spark几乎押注了AI产业链的每一个重要环节。

在基础模型领域，除Anthropic外，它还投资了AI蛋白质设计公司Profluent、机器人基础模型公司Generalist。

在算力层，Spark投资了Lightmatter、MatX、Enfabrica，分别布局光互联、AI专用芯片和高性能网络互联。

在基础设施层，它投资了数据标注公司Scale AI、向量数据库Qdrant、模型推理平台Baseten，以及AI数据中心公司Crusoe。

应用层同样未曾落下，包括AI医疗公司Abridge、音视频编辑平台Descript、AI视频生成公司Pika，以及AI会议笔记工具Granola。

这些投资看似分散，但背后的逻辑却高度一致：寻找每个环节真正有能力建立长期竞争壁垒的公司。

尤其对于AI应用层，Spark将AI创业公司分为三类：

第一类是Adaptation（适配），即给现有软件增加AI功能，例如AI搜索、AI助手。

这类产品虽能改善体验，却很难仅凭AI功能形成长期壁垒。

第二类是Evolution（进化），即利用AI重新设计工作流程。

比较有代表性的包括AI医疗公司Abridge和AI会议笔记工具Granola。

前者利用AI自动整理医患对话，生成临床文档。后者则将用户自己的记录与会议内容结合，生成更符合个人需求的笔记。

第三类则是Revolution（革命），即AI创造出过去根本不存在的产品和市场。

Hyatt坦言，Spark最成功的投资，主要集中在第三类，以及部分第二类。对于第一类简单增加AI功能的公司，基本没有兴趣。

因为在它们看来，真正有价值的技术创新，不只是将原有事情做得更便宜、更快，而是让用户能够完成过去无法完成的事情。

Hyatt还特别提醒，AI Agent创业存在一个陷阱。

很多公司利用大模型自动化传统人工服务，通过降低成本迅速获得收入。但如果竞争对手都能调用相同的模型，那么今天建立的成本优势，明天就可能消失。

真正的竞争壁垒，必须来自产品本身，以及持续积累的数据、用户反馈和工作流能力。

这或许也是理解Spark AI投资版图的关键：它既投资创造技术范式的公司，也投资利用新技术重新定义产品的公司。

AI时代，VC投资的规则也在改变

Spark不仅在重新判断什么样的AI公司值得投资，也在反思传统风投的投资方法。

2025年，Spark合伙人Nabeel Hyatt在接受采访时，提出了一个很有意思的观点。

Hyatt在2025年的访谈中提出，过去十几年的SaaS投资，越来越像一道有标准解法的数学题。

投资人可以通过ARR、客户留存率、销售效率、市场规模等指标，评估一家软件公司的增长潜力。

但投资AI不行。几个月后模型会有什么能力、会出现什么产品形态、哪些岗位会被重新定义，这些问题在决策的那一刻都没有答案。

因此他做了个区分：过去风投擅长解 Puzzle，即已知条件下的难题；AI投资更像 Mystery，即答案尚未被写出来的探索。

这种区别看起来抽象，放在Anthropic身上却非常直观。

2023年，任何试图用传统财务模型估算Anthropic价值的投资人，都很难为一家收入有限、算力成本高昂、前面还有OpenAI的公司，找到令人信服的投资理由。

但Spark看中的，恰恰是那些财务模型难以衡量的东西：一支顶尖研究团队，以及大模型可能创造的全新市场。

当然，押注技术变革，并不意味着可以忽视投资风险。尤其在AI行业，今天看起来领先的技术，可能几个月后就被竞争对手追赶甚至超越。

那么问题来了，如果技术领先随时可能被打破，AI公司的长期竞争壁垒究竟是什么？

Hyatt在之前的访谈中，也被问及这个问题。

当时，DeepSeek的出现让不少投资人开始质疑，大模型公司投入数百亿美元训练模型，究竟还能建立多大的竞争优势。

但Hyatt并不认为，巨额资本投入本身就是模型公司的唯一壁垒。相较于某一代模型的领先，Spark更看重顶尖团队的技术判断，以及持续执行和迭代的能力。

从这个角度看，传统投资逻辑中那些相对静态的竞争优势，在AI时代正变得越来越不可靠。相比于一时的技术领先，企业能否持续适应变化，甚至主动引领下一轮技术变革，才是决定其长期价值的关键。

本文来自微信公众号“硅基观察Pro”，作者：硅基君，36氪经授权发布。